如何使用Pandas按dialog_id分组转置统计各类型消息数量

你的代码问题在于聚合逻辑不对：groupby('dialog_id')后用type: 'first'只会取每个对话的第一个消息类型，无法按类型拆分统计；message: 'sum'只能得到总消息数，没法拆分到不同类型列。以下是两种可行的解决方法：

方法1：使用pivot_table一步实现 #

pivot_table可以直接完成分组、按类型列拆分、统计数量的操作：

# 生成透视表，按dialog_id分组，type为列，统计message的总和，空值填充0
pivot_df = df_var.pivot_table(
    index='dialog_id',
    columns='type',
    values='message',
    aggfunc='sum',
    fill_value=0
).reset_index()

# 计算每个dialog_id的总消息数：对所有类型列求和
pivot_df['total sent messages'] = pivot_df.iloc[:, 1:].sum(axis=1)

方法2：先分组聚合再重塑结构 #

如果更习惯用groupby，可以先按dialog_id和type组合分组统计，再转换为列格式：

# 按对话ID和消息类型分组，统计各类型消息数
grouped = df_var.groupby(['dialog_id', 'type'])['message'].sum().unstack(fill_value=0).reset_index()

# 计算总消息数
grouped['total sent messages'] = grouped.iloc[:, 1:].sum(axis=1)

结果说明 #

两种方法都会生成你需要的输出格式：每行对应一个dialog_id，不同消息类型作为独立列，最后一列是该对话的总消息数；新出现的消息类型会自动成为新列，无需手动配置。

内容的提问来源于stack exchange，提问作者Софія Гринь